دوره آموزشی شبکههای بازگشتی عمیق و سریهای زمانی با تنسرفلو 2
سرفصل های دوره مقدمات شبکه های بازگشتی یک سلول (واحد) بازگشتی ساده و شبکه…

400.000 تومان 380.000 تومان
تعداد دانشجو :
471
پیش نیاز
دارد
مدت
12.5 ساعت
پشتیبانی
دارد
درصد پیشرفت دوره: %100
حالت مطالعه
سرفصل های دوره
-
مقدمات شبکه های بازگشتی
-
یک سلول (واحد) بازگشتی ساده و شبکه بازگشتی
-
پیادهسازی تخمین تابع با شبکههای بازگشتی ساده
-
طول دنباله متغیر در شبکههای بازگشتی (۱)
-
طول دنباله متغیر در شبکههای بازگشتی (۲)
-
محو شدگی و انفجار گرادیانها در شبکههای بازگشتی
-
شبکههای GRU
-
شبکههای LSTM
-
دیاگرام شبکه های LSTM
-
مثالهایی از دادههای توالی و ترتیبی
-
شبکههای بازگشتی عمیق
-
تخمین قیمت ارزهای دیجیتال – پیشپردازش داده
-
تخمین قیمت ارزهای دیجیتال – بالانس کردن دادهها و آموزش
-
شبکههای بازگشتی برای طبقهبندی ویدیو – مثال تشخیص جهت حرکت توپ
-
طبقهبندی ویدیو – بازشناسی عملکرد در ویدیو
-
درک بردار کلمات و بازنمایی آنها
-
ویژگیهای بازنمایی کلمات و لایه Embedding
-
مثال عملی آنالوژی با بردار کلمات
-
طبقهبندی متن
-
پیادهسازی طبقهبندی متن با روش Bag-of-Embeddings
-
طبقهبندی متن با شبکه بازگشتی
-
مدل زبانی – تولید اشعاری شبیه به شاهنامه
-
جمعبندی و معرفی شبکههای بازگشتی دوطرفه
-
مدلهای توالی به توالی
-
مثال عملی Seq2Seq برای فهم رشته عملیات ریاضی
-
مقدمات ترجمه ماشینی
-
الگوریتم جست و جوی پرتو
-
مکانیزم توجه در ترجمه ماشینی
-
پیادهسازی ترجمه ماشینی در کراس برای تبدیل تاریخ
-
روش کمک معلم
-
پیادهسازی ترجمه ماشینی با مکانیزم توجه و Teacher Forcing در تنسرفلو ۲
-
شرح تصاویر با توجه بصری
توجه: دانستن پیش نیاز های دوره برای درک این مبحث ضروری است.
پیشنیاز این دوره شرکت در دوره آموزشی مقدماتی شبکه های عصبی عمیق در Tensorflow/Keras است !
یا داشتن مهارت های زیر:
- آشنایی با پایتون
- آشنایی با فریم ورک تنسرفلو / کراس
- مسلط به تعریف شبکه های تمام متصل و کانولوشنالی
- آشنا به تعرف شبکه sequential API و Functional API در فریم ورک کراس
کدها های دوره در صفحه ی گیتهاب
امتیاز دانشجویان دوره
0
بدون امتیاز
0 رای
0 رأی
5 ستاره
0
4 ستاره
0
3 ستاره
0
2 ستاره
0
1 ستاره
0
قوانین ثبت دیدگاه